曾旺瑜的推薦評比好物

編輯導語：在產品設計中，數據也是一個重要依據因素，通過數據分析，產品設計可以更好地兼顧用戶需求，進而推動后續用戶體驗的提升。本篇文章里，作者總結了如何建立一個以數據為導向的設計體系的方法，讓我們一起來看一下。

本文內容為如何建立以數據為導向的設計體系。大綱如下：

1. 以數據為導向的意義；
2. 數據指標；
3. 數據分析方法；
4. 模型建立；
5. 數據驗證。

一、以數據為導向的意義

1. 可視化

用戶行為可視化，可清晰地了解整體/個體用戶的行為。

如下圖所示，通過Google Aanalytic 網站可清晰地掌握平臺整體流量的來源，用戶群體路徑行為軌跡，這可以讓設計師/產品經理清晰地了解到平臺的用戶行為軌跡和用戶人群的操作習慣。

也可以清晰地了解每個用戶的操作行為路徑。如下圖所示：

2. 可追蹤

可追蹤產品任何一個時間段的數據，了解整體數據的變化。

如下圖所示：通過曲線變化，可看出產品日活躍的變化，通過變化前后的節點可得到產品發生大變化的時間節點。

3. 可驗證

前期提供數據支持和后期方案的驗證。

例如下圖，通過優化產品界面的購買按鈕，通過對比前后數據，看設計改版是否成功。

下圖的固定產品的購買按鈕點擊率從6.4%提升到了9.8%，漲幅53.1%，由于漲幅大于0，同時沒有外部其他因素影響數據變化，所以可得出結論，這次設計改版是成功的。

4. 可預測

通過數據變化，可預測產品的走向和趨勢。

如下圖所示，通過日活曲線，可預測未來產品的日活增長速度。

從圖可以看出，經歷過第一次增長后，第二次增長的增長率低于第一次。未來產品如果想維持高增長，則需要投入更多的人力和費用。

二、數據指標

掌握數據指標有助于我們入門數據分析。

我將數據指標分為三類，分別為：綜合性指標、流程性指標和業務性指標。

1. 綜合性指標

綜合性指標：指的是能綜合體現產品整體情況的指標。

對于非交易類型的產品，那么這個平臺的綜合性指標可以包含DAU、留存用戶數、留存率和人均使用時長等等。

1）DAU

DAU：Daily Active User 。衡量產品使用的活躍度。明確產品的用戶體量，方便產品設計了解產品的每日用戶情況和用戶增減趨勢。

如下圖所示，通過DAU可以很直觀地了解產品的所處在的生命周期。和用戶增長情況。

數據用途是方便產品設計人員了解產品的每日用戶情況，了解產品的用戶增長或者減少趨勢。

2）留存率

留存率：某周期內留存用戶數/某周期內訪問用戶數。用來衡量用戶使用粘性，也是衡量產品引流成本的一個重要參考。

數據用途是用來衡量用戶使用粘性，也可以用來作為產品改版后的重要指標，留存率提升了，在不改變功能的情況下，說明設計改版成功。

產品的留存率越來越高，這說明他們的產品用戶粘性越來越好。

當然不同行業的產品，留存率也是不一樣的。社交產品，關系鏈越龐大越深度，粘性越好，用戶遷移成本就越高，留存率也高。

3）人均使用時長

人均使用時長：用來衡量用戶使用產品的深度，判斷用戶使用產品的粘性和依賴度。

單位用戶的使用APP的時長是一定的，當在一個APP上花費的時間多，那么意味著在其他的APP上就花費的時間少。

對于交易類型的產品，那么這個平臺的綜合性指標可能就包含GMV、支付UV、人均訂單數、人均客單價等等。

① GMV

用戶的下單總金額。下單產生的總金額，包括銷售額+取消訂單金額+退款訂單金額。

舉個例子：一個電商平臺，所有用戶一共下單了100萬的商品，其中取消訂單2萬，退款10萬，那么GMV就是100萬。

數據用途是體現電商平臺的交易規模，GMV越高說明這個電商平臺的交易規模越大，平臺體量越大。

② 支付UV

指下單并成功支付的用戶數。舉個例子：一個電商平臺，有3000人點擊購買，其中2000人，成功完成支付，則支付UV為2000人。

數據用途是了解平臺整體用戶支付購買人數規模。

③ 人均訂單數

支付PV/支付UV，人均訂單數大于1。

舉個例子：一個電商平臺，支付pv為3000，其中支付人數為2000人，那么人均訂單數為1.5。

數據用途是用于衡量產品/頁面/功能的導購能力。

④ 人均客單價

ARPU，GMV/支付UV。

舉個例子：一個電商平臺昨天GMV有100萬，其中支付UV1萬人，那么人均客單價為100元。

數據用途是一段時間內每個用戶平均收入，用來衡量產品效益。

2. 流程性指標

流程性指標和用戶操作流程中產品的指標有關。

常見的有：點擊率、轉化率、流失率和完成率。

1）點擊率

點擊率：點擊率分為PV點擊率和UV點擊率。在實際工作中，使用PV點擊率的情況比較多。這個要根據具體需求而定。

舉個例子：如果當天知乎的首頁展現PV是400萬，5萬人點擊提問按鈕有10萬次，那么點擊率就是 10/400=2.5%。

2）轉化率

轉化率：下一步用戶數/上一步用戶數。

如下圖所示，可以看到整個注冊流程，每個節點的轉化率數據。

3）流失率

流失率：（上一步用戶數-下一步用戶數）/上一步用戶數。

通過流失率，可全局看出所有的流失情況，找到流失異常數據，可追蹤之前是什么情況導致流失數據情況，并修復產品問題。

4）完成率

完成率：完成率相對于轉化率而言，是最終的結果數值。轉化率是過程值，完成率是結果值。

3. 業務性指標

區別于基礎通用型指標，業務性指標主要強調其業務屬性，例如社交社區，則可能需要的業務指標為：人均發文數、人均評論數、人均點贊數，分享率等。

三、數據分析方法

數據分析和設計的方法這里簡單介紹以下5種，分別為：行為事件分析、漏斗分析、留存分析、分步分析和對比分析。

1. 行為事件分析

通過分析特定類型的用戶行為，找到這種特定類型的用戶行為的對產品帶來的影響。也可以推算出這種特定的行為給產品帶來的意義。

行為事件分析法一般經過事件定義、下鉆分析、解釋與結論等環節。

2. 漏斗分析

流量在各個節點流轉過程中，會存在一級級的流失。最終形成了漏斗形態，漏斗分析適用于一些列完整流程操作的用戶行為。

找到設計過程中流失比較多的數據，通過數據找到流失的原因。

3. 留存分析

通過找到整體留存情況，找到用戶留存的關鍵性因素指標。

留存分為兩種情況：

1. 產品整體留存，整個產品的留存率，對象是整個產品。
2. 功能模塊流程，各個模塊的留存，這里是針對于單個功能模塊。

產品留存要分開看待。既要看整個產品留存率也要看所負責設計的各個功能模塊留存率。

4. 分布分析

用戶在特定指標的各種占比的歸類展現。

如下圖谷歌數據分析網站所示，可以根據不同分布類型占比，進行分析。

5. 對比分析

對比前后數據，通過對比數據的差值，驗證設計。

• 自身產品比，對比產品其他模塊相似場景的數據差異。通過對比找到問題點并做分析優化。
• 行業產品比，和同行業產品的數據對比分析，找出數據差異的問題所在，并給出對應的優化方案。

四、模型建立

目前市面上常用的模型有Google’s HEART、AARRR和RARRA。

1. Google’s HEART

HEART是一個用來評估以及提升用戶體驗的模型，它由五個維度組成：Engagement（參與度）、Adoption（接受度）、Retention（留存度）、Task Success（任務完成度）和Happiness（愉悅度）。

1）Engagement（參與度）

通常指的是用戶的使用行為，這里面包含用戶的活躍度、UV、PV、人均訪問次數等，通過這些數據可以很好地反應整個產品的用戶參與意愿度。

2）Adoption（接受度）

用戶在特定（短）時間內開始“真正”開始使用某個新功能/模塊。接受度主要體現在用戶訪問和操作等行為。

3）Retention（留存度）

留存度即對于一個功能或者產品，一段長時間內從開始參與到現在連續活躍的用戶，留存率是互聯網產品的主要獲利因素。

4）Task Success（任務完成度）

任務完成度主要指核心任務的完成率，在該緯度下包括三個基礎用戶行為指標：轉化率、跳失率、成功率。

5）Happiness（愉悅度）

愉悅度是一個產品用戶體驗的最直觀的評價感覺。

基于HEART五大維度可制作業務的數據模型，如下圖所示：

2. AAARR

AARRR增長模型出自于增長黑客，即獲客、激活、留存、變現、傳播推薦。

AARRR是Acquisition、Activation、Retention、Revenue、Referral，五個單詞的縮寫，分別對應用戶生命周期中的5個。

1）獲取用戶（Acquisition）

本階段最主要的目的是將潛在的目標用戶轉化成我們產品的用戶，并且開始使用產品。提高用戶注冊轉化率的關鍵在于，調優產品的著陸頁，要準確傳達產品的核心價值。

需要的數據指標

流量來源、CAC（用戶獲取成本）、CPC（每次點擊付費）、CPT（按時長付費）、 CPM（千人成本）、 CPS（按提成收費）、CPA（按點擊計費）、Campaign（塑造品牌）。

2）提高活躍度（Activation）

對于移動應用產品，用戶活躍度還有另外兩個關鍵數據指標：每次啟動平均使用時長和每個用戶每日的平均啟動次數。

需要的數據指標

DNU（日新增用戶）、DAU/WAU/MAU 、 ACU（平均同時在線人數）、 PCU（最高同時在線人數）、 PV、 UV 、意向UV（進入意向頁面的用戶數）、 PV/UV、 CTR（點擊率）、 意向UV-CTR（點擊UV/意向UV）、VV（視頻播放次數）、訪問時長、停留時長、滾動屏數、人均停留時長、人均操作次數、 N次操作占比、行為路徑、訪問頻次、跳出率、用戶來源、用戶去向。

3）提高留存率（Retention）

用戶留存率是非常重要的一個數據指標，留存率衡量著一個產品是否健康成長。

需要的數據指標

留存率、次日留存率、7日留存率、30日留存率、回流率、召回CTR（提取出的正確信息條數 / 樣本中的信息條數)、用戶生命周期 （周期/（1-周期內新增留存率））。

4）獲取收入（Revenue）

即用戶給產品貢獻的收入價值，公司從用戶所有的活動中所得到的全部經濟收益的總和。

需要的數據指標

GMV 、ARPU（每用戶平均收入）、ARPPU（平均每付費用戶收入）、LTV（生命周期價值）、 PBP（回收期）、 ROI（投資回報率）、收入地圖 、客單價、 消費次數 、消費頻率、 訂單量、 利潤、 購買偏好、 直接引導成交、 間接引導成交、 購買間隔。

5）用戶推薦（Refer）

通過用戶推薦再次獲取新用戶，應用運營形成了一個螺旋式上升的軌道。而優秀的應用就很好地利用了這個軌道，不斷擴大自己的用戶群體。

需要的數據指標

分享率、分享次數、K-Factor（病毒傳播指標）、 NPS。

AARRR模型對應的數據指標如下圖所示：

3. RARRA

RARRA的數據模型，本質上是在AARRR的基礎上進行順序調整得到，以滿足日益獲客成本所帶來的壓力成本。RARRA模型相比與AARRR可以使得獲客成本更低。

• 用戶留存Retention：為用戶提供價值，讓用戶回訪。
• 用戶激活Activation：確保新用戶在首次啟動時看到你的產品價值。
• 用戶推薦Referral：讓用戶分享、討論你的產品。
• 商業變現Revenue：一個好的商業模式是可以賺錢的。
• 用戶拉新Acquisition：鼓勵老用戶帶來新用戶。

RARRA通過最重要的指標來關注增長：用戶留存。

RARRA與AARRR的區別是，RARRA模型里面用戶的留存重要性遠高于獲客。

在數據模型中，我們可以學到數據模型的分類思路，以及如何創造出適用自己團隊的數據模型。

基于這個目的，我們可以將市面上常見的數據模型找出來并進行整理并分析。通過熟悉主流的數據模型的產出邏輯，并從中找到規律，創造出適用于自己團隊的數據模型。

五、數據驗證

通過核心指標判斷設計方案是否符合預期，以此驗證設計方案是否成功，并為后續產品的迭代優化做依據。

1. 關注設計的核心指標

設計過程中，要關注設計的核心指標，針對于核心指標，進行針對性的設計。

如果改版的最重要（核心）的指標是任務流程完成率，先查看用戶操作流失率，然后分析找出流失原因，給出對應的優化方案。等到優化方案的產品版本上線后，對比完成率數據變化。

如果改版的最重要（核心）指標是人均觀看次數，則要思考可通過哪些設計策略可提升產品的人均播放次數。

舉個例子，新浪微博，以前版本用戶看完視頻后，視頻會有重播按鈕和推薦視頻，用戶只有進行下一步點擊才能播放下一個視頻。改版后看完視頻會自動切換到下一個視頻。這樣的設計策略雖然綁架了用戶的行為，用戶從一個主動接受者，變成了一個被動接受者，但是這種策略能有效地提升人均播放次數。

2. 核心指標帶來的價值/收益

當驗證了核心指標往好的方向發展，這時候，就需要總結核心指標帶來的價值和收益，這樣的話設計價值才可以直接被量化。

舉個例子：一個banner的點擊率達到3%的時候，每天GMV約200萬，當重新設計了這個banner，同時其他條件保持不變，點擊率提升到了6%。這時候通過數據查看每天的GMV是多少，如果達到了400萬，那么這增加的200萬則是通過設計優化所帶來的。

數據驗證總結后有四步：

1. 關注改版的核心指標
2. 核心指標帶來的價值/收益
3. 確定上線時間
4. 對比上線前后數據變化，進行驗證

以上就是關于數據導向相關知識。

#專欄作家#

UX，人人都是產品經理專欄作家。前美團點評高級交互設計師。微信公眾號：Echo的設計筆記，歡迎關注

本文原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議